بررسي قابليت داده هاي ماهواره اي در تهيه نقشه درصد تاج پوشش گياهي مناطق خشك و نيمه خشك (مطالعه موردي پناهگاه حيات وحش موته)

Identification of Satellite Image Ability for Vegetation Cover Crown Percentage Mapping in Arid and Semi Arid Region (Case study: Mouteh wild life sanctuary)

فناوري دورسنجي و بهره‌گيري از داده‌هاي ماهواره‌اي از ابزار‌هاي موثر در زمينه مطالعات علوم مرتع و پوشش گياهي است. يكي از كاربردهاي داده هاي ماهواره تهيه نقشه درصد تاج پوشش گياهي مي باشد. در اين مطالعه جهت تهيه نقشه درصد تاج پوشش گياهي پناهگاه حيات وحش موته از تصوير ماهواره IRS-P6، سنجنده LISS III در خرداد سال 1385 استفاده گرديد. ابتدا تصحيحات مورد نياز بر روي تصاوير اعمال شد. به منظور ايجاد همبستگي بين درصد تاج پوشش گياهي و داده هاي ماهواره، داده هاي 290 پلات با پراكنش مناسب در منطقه برداشت شد. شاخص هاي گياهي از تصوير ماهواره اي تهيه شد و با انجام آناليز رگرسيون ساده خطي ميزان همبستگي بين شاخص هاي گياهي و داده هاي ميداني محاسبه گرديد و براي هر شاخص مدل پوشش گياهي به دست آمد و نقشه درصد تاج پوشش گياهي تهيه شد. نتايج به دست آمده در اين مطالعه نشان داد كه شاخص گياهي SAVI داراي بيشترين همبستگي با تاج پوشش گياهي معادل 78/0 بود و جهت تهيه نقشه درصد پوشش گياهي انتخاب گرديد. با استفاده از مدل تهيه شده از شاخص SAVI نقشه درصد تاج پوشش گياهي در چهار طبقه 10% < ، 20%-10، 40%-20 و بيشتر از 40% تهيه شد. نتايج اين مطالعه نشان داد كه بيشتر قسمت هاي منطقه توسط پوشش كمتر از 10% و 20%-10 پوشيده شده است. شاخص SAVI با اعمال ضريب خاك، اثر بازتابش خاك پس زمينه را كم مي كند. در اين مطالعه شاخص هاي گياهي NDVI، TSAVI1 و RVI نيز داراي ضرايب همبستگي بالايي (78/0، 77/0 و 76/0) بودند.

Introduction Remote sensing provides the basic data to undertake inventory of land resources specially vegetation mapping. Material and Methods In this study for producing vegetation cover percentage map in Mouteh wild life sanctuary, IRS-P6, LISS III data was used for June 2006. First geometric and atmospheric correction was done. Vegetation cover sampling was done with 290 plots in heterogeneous cover areas and Data were collected from overall region. Vegetation Indices were produced using satellite image. Simple linear regression was done between plots information and vegetation indices and models were produced for each index and vegetation maps were produced using each index model. Results Results showed that SAVI index had highest correlation with field sampling equal 0.78 and it was used for vegetation cover percentage mapping. Using SAVI model vegetation cover was classified in four classes: 0-10%, 10-20%, 20-40% and 40% < . Disscusion And Conclusions Results showed that 10% > and 10-20% crown cover were dominate in region. SAVI index with soil coefficient reduced soil background reflectance effects. In this study NDVI, TSAVI1 and RVI had high correlation (0.77, 0.78 and 0.76).